KaiserML/Techie_Filtered_Meta

--- dataset_info: features: - name: lens_id dtype: string - name: title dtype: string - name: publication_type dtype: string - name: year_published dtype: float32 - name: date_published dtype: string - name: date_published_parts sequence: int64 - name: created dtype: string - name: external_ids list: - name: type dtype: string - name: value dtype: string - name: open_access struct: - name: colour dtype: string - name: license dtype: string - name: authors list: - name: affiliations list: - name: country_code dtype: string - name: grid_id dtype: string - name: ids list: - name: type dtype: string - name: value dtype: string - name: name dtype: string - name: name_original dtype: string - name: collective_name dtype: string - name: first_name dtype: string - name: ids list: - name: type dtype: string - name: value dtype: string - name: initials dtype: string - name: last_name dtype: string - name: source struct: - name: asjc_codes sequence: string - name: asjc_subjects sequence: string - name: country dtype: string - name: issn list: - name: type dtype: string - name: value dtype: string - name: publisher dtype: string - name: title dtype: string - name: type dtype: string - name: fields_of_study sequence: string - name: languages sequence: string - name: start_page dtype: string - name: end_page dtype: string - name: author_count dtype: float64 - name: is_open_access dtype: bool - name: source_urls list: - name: type dtype: string - name: url dtype: string - name: abstract dtype: string - name: references list: - name: lens_id dtype: string - name: references_count dtype: float64 - name: scholarly_citations_count dtype: float64 - name: scholarly_citations sequence: string - name: patent_citations list: - name: lens_id dtype: string - name: patent_citations_count dtype: float64 - name: issue dtype: string - name: publication_supplementary_type sequence: string - name: volume dtype: string - name: conference struct: - name: instance dtype: string - name: location dtype: string - name: name dtype: string - name: mesh_terms list: - name: mesh_heading dtype: string - name: mesh_id dtype: string - name: qualifier_id dtype: string - name: qualifier_name dtype: string - name: chemicals list: - name: mesh_id dtype: string - name: registry_number dtype: string - name: substance_name dtype: string - name: keywords sequence: string - name: funding list: - name: country dtype: string - name: funding_id dtype: string - name: org dtype: string - name: clinical_trials list: - name: id dtype: string - name: registry dtype: string - name: pdf_urls sequence: string - name: domain sequence: string splits: - name: train num_bytes: 726171677.8835785 num_examples: 423860 download_size: 619298847 dataset_size: 726171677.8835785 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集特征

• lens_id: 字符串类型
• title: 字符串类型
• publication_type: 字符串类型
• year_published: 浮点数类型
• date_published: 字符串类型
• date_published_parts: 整数序列类型
• created: 字符串类型
• external_ids: 列表类型，包含：
  • type: 字符串类型
  • value: 字符串类型
• open_access: 结构类型，包含：
  • colour: 字符串类型
  • license: 字符串类型
• authors: 列表类型，包含：
  • affiliations: 列表类型，包含：
    • country_code: 字符串类型
    • grid_id: 字符串类型
    • ids: 列表类型，包含：
      • type: 字符串类型
      • value: 字符串类型
    • name: 字符串类型
    • name_original: 字符串类型
  • collective_name: 字符串类型
  • first_name: 字符串类型
  • ids: 列表类型，包含：
    • type: 字符串类型
    • value: 字符串类型
  • initials: 字符串类型
  • last_name: 字符串类型
• source: 结构类型，包含：
  • asjc_codes: 字符串序列类型
  • asjc_subjects: 字符串序列类型
  • country: 字符串类型
  • issn: 列表类型，包含：
    • type: 字符串类型
    • value: 字符串类型
  • publisher: 字符串类型
  • title: 字符串类型
  • type: 字符串类型
• fields_of_study: 字符串序列类型
• languages: 字符串序列类型
• start_page: 字符串类型
• end_page: 字符串类型
• author_count: 浮点数类型
• is_open_access: 布尔类型
• source_urls: 列表类型，包含：
  • type: 字符串类型
  • url: 字符串类型
• abstract: 字符串类型
• references: 列表类型，包含：
  • lens_id: 字符串类型
• references_count: 浮点数类型
• scholarly_citations_count: 浮点数类型
• scholarly_citations: 字符串序列类型
• patent_citations: 列表类型，包含：
  • lens_id: 字符串类型
• patent_citations_count: 浮点数类型
• issue: 字符串类型
• publication_supplementary_type: 字符串序列类型
• volume: 字符串类型
• conference: 结构类型，包含：
  • instance: 字符串类型
  • location: 字符串类型
  • name: 字符串类型
• mesh_terms: 列表类型，包含：
  • mesh_heading: 字符串类型
  • mesh_id: 字符串类型
  • qualifier_id: 字符串类型
  • qualifier_name: 字符串类型
• chemicals: 列表类型，包含：
  • mesh_id: 字符串类型
  • registry_number: 字符串类型
  • substance_name: 字符串类型
• keywords: 字符串序列类型
• funding: 列表类型，包含：
  • country: 字符串类型
  • funding_id: 字符串类型
  • org: 字符串类型
• clinical_trials: 列表类型，包含：
  • id: 字符串类型
  • registry: 字符串类型
• pdf_urls: 字符串序列类型
• domain: 字符串序列类型

数据集分割

• train: 包含423860个样本，占用726171677.8835785字节

数据集大小

• 下载大小: 619298847字节
• 数据集大小: 726171677.8835785字节

配置

• default: 包含训练数据，路径为data/train-*